健全高校定制化培养机制 提升学生就业能力
人工智能加速融入翻译、设计、传媒、制造等行业,深刻改变传统岗位的工作内容与能力要求,也为高校人才培养带来新挑战。近年来,上海交通大学、华南理工大学等高校积极探索“AI+专业”定制化培养模式,推动人才培养与产业需求深度衔接。2026年10月,中共中央、国务院印发《关于发展新质生产力的意见》明确提出,鼓励企业和高等学校联合定制化培养人才。然而,现有探索仍集中于少数高校和特色项目,部分试点面临专业融合不深、校企协同不足、制度衔接不畅等瓶颈,培养成果难以向常规教学延伸。因此,如何突破局部试点的制度约束,把分散的改革探索转化为可复制、可持续的育人能力,让更多学生具备适应智能时代的就业竞争力,成为高校人才培养改革需要回答的重要课题。
试点经验需要制度承接
近年来,面对人工智能技术加速迭代与产业人才需求变化,高校通过微专业、交叉学院、项目专班等方式探索定制化培养,为提升学生就业竞争力开辟了新路径。然而,这些探索大多止于项目层面,尚未进入教学制度的常规运行,制约了定制化培养模式的持续发展与复制推广。
课程设置与专业需求的对接仍不紧密,学生复合型能力培养不足。部分“AI+专业”培养项目以增设人工智能课程、开展工具操作培训为主,缺少对具体岗位任务的梳理,也未及时调整相关专业核心课程和实践教学。学生虽掌握了一定的工具使用方法,却未必能结合专业知识判断问题、分析结果、识别风险,难以把技术技能转化为解决现实问题的能力。
校企合作深度不足,真实产业需求难以贯穿培养全过程。部分定制化培养项目虽然引入企业资源,但合作主要集中在实习实训、短期项目等环节,企业对培养方案制定、课程内容更新与人才能力评价的参与仍然有限。同时,高校对岗位变化的把握主要依赖阶段性调研,企业对学生能力的反馈又难以进入下一轮教学调整,导致学校培养与企业用人之间存在错位。此外,企业投入人员、场景与数据均需成本,商业信息保护、项目成果归属等问题也缺少明确约定,影响了合作的可持续性。
需要注意的是,高校教学管理目前主要以院系和专业为基本单元,难以适应跨学科人才培养的常态化需求。定制化培养往往需要不同学院共同设计课程、联合授课、开放平台,这对排课、跨专业选课、课程替代和学分认定规则提出新要求。同时,部分项目招生名额有限,优质课程和企业实践资源较难向普通专业学生全面开放,试点形成的优势转化为可持续、可推广的日常教学供给存在一定困难。
复制推广重在机制建设
推动“AI+专业”定制化培养从局部试点走向常态化运行,关键在于将试点中形成的课程体系、教学资源和校企合作经验转化为稳定的制度安排。高校应充分发挥学科门类齐全、教学组织体系完整、科研与产业联系紧密等优势,围绕人才需求识别、课程组织、协同育人、效果评价和资源共享等关键环节深化改革,形成既能适应产业变化,又能覆盖不同专业学生的培养机制。
课程体系的调整,要从产业需求出发。高校应建立产业需求与课程设置联动机制,推动“AI+专业”培养由课程叠加转向能力融合。依托行业协会、重点企业和毕业生就业跟踪调查,及时掌握人工智能对不同领域岗位任务、工作流程和能力要求的影响,形成分行业、分专业的岗位能力需求清单,并将其转化为可实施、可考核的教学模块。同时建立课程定期评估与更新制度,推动成熟的微专业课程转化为可供不同专业选修的标准化模块,避免特色课程随技术更新反复开设、重复建设。
跨院系的教学组织,是定制化培养从专项试点融入常规教学的关键。高校应发挥教务部门统筹作用,推动跨院系课程共建、师资共享与实验平台开放,将成熟的微专业和交叉课程纳入学校整体人才培养体系。同步完善跨专业选课、课程替代和学分认定规则,允许学生根据就业方向和个人发展需要自主组合学习模块,减少与主修课程的时间冲突,避免重复学习。此外,进一步健全联合授课的工作量核算、跨学院教学成果认定与教师考核激励机制,在课程建设经费、教学评价和职称晋升等方面给予合理支持,充分调动教师参与交叉培养的积极性。
校企共建机制的完善,需推动企业从实践资源的提供者转变为人才培养的参与者。高校可联合行业龙头企业、产业园区与科研机构建立常态化合作机制,由企业提供真实岗位需求、技术应用场景和项目质量标准,由高校负责教学设计、知识整合与能力培养,双方共同制定培养方案、建设课程、指导项目及评价成果等。依托校企联合实验室、现代产业学院和公共实训平台,建立项目持续征集、教学转化和成果共享机制,让双方合作形成的优质资源能够服务更多专业和年级的学生。
评价的导向,应从项目建设数量转向学生能力提升。高校可探索建立覆盖课程学习、项目实践、岗位实习和毕业发展的全过程评价体系,将专业知识运用、人工智能素养、复杂问题分析、团队协作和成果质量控制等能力细化为可观察、可考核的评价指标。同时,推动评价结果与课程调整、资源配置和项目退出相衔接,对产业需求减弱、教学效果不佳的培养项目及时优化,对实践成效突出的项目加大支持,形成需求识别、培养实施、效果评价和持续改进的完整闭环。
优质培养模式的推广,需从少数特色班向更多学生拓展。研究型大学可依托学科交叉与科研平台优势,探索人工智能与前沿学科融合的高阶培养模式;应用型高校可紧扣区域产业需求,重点发展实践导向的“AI+专业”课程与项目专班;行业特色类高校可依托优势学科和长期校企合作基础,培育面向特定产业场景的复合型人才。教育主管部门还可依托国家智慧教育公共服务平台、区域高校联盟和产教融合共同体等多样化载体,推动优质课程、企业案例、师资力量和实训资源跨校共享,降低办学基础相对薄弱高校的建设成本。
(作者:刘炳胜,系河北工业大学副校长)